陳潤(rùn)鋒 莫琦 李穎多

摘 要：為避免音響系統(tǒng)受環(huán)境噪音和人為因素的影響使輸出端的音量幅度波動(dòng)過(guò)大，項(xiàng)目提出了一種全向人聲自動(dòng)增益控制擴(kuò)音系統(tǒng)，利用人聲辨識(shí)算法來(lái)收音，運(yùn)用自適應(yīng)濾波技術(shù)進(jìn)行人聲分離并通過(guò)自動(dòng)增益控制電路實(shí)現(xiàn)恒定功率輸出，確保輸出音量幅度恒定。

關(guān)鍵詞：人聲辨識(shí);自適應(yīng)濾波;自動(dòng)增益控制

中圖分類號(hào)：TP273.5 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.3969/j.issn.1003-6970.2021.02.030

本文著錄格式：陳潤(rùn)鋒，莫琦，李穎多.全向人聲自動(dòng)增益控制擴(kuò)音系統(tǒng)研究[J].軟件，2021，42（02）：100-101

Research on Omnidirectional Automatic Gain Control Amplifying System

CHEN Runfeng， MO Qi， LI Yingduo

（Guangdong University of Petrochemical Technology， Maoming? Guangdong? 525000）

【Abstract】：In order to avoid the influence of environmental noise and human factors on the sound system， which makes the output volume amplitude fluctuate too much， the project proposes an omnidirectional human voice automatic gain control amplifying system， which uses human voice identification algorithm to receive sound， uses adaptive filtering technology to separate human voice， and realizes constant power output through automatic gain control circuit to ensure constant output volume amplitude.

【Key words】：human voice recognition;adaptive filtering;automatic gain control

1項(xiàng)目實(shí)施的目的及意義

在音響系統(tǒng)的實(shí)際應(yīng)用中，常常會(huì)受到環(huán)境噪音以及人為因素的影響，如性別的不同或講話者的習(xí)慣不同，有些人講話聲音大，有些人講話聲音小，有的人喜歡離話筒遠(yuǎn)些，有的人喜歡離話筒近些，這些情況都會(huì)導(dǎo)致在音響系統(tǒng)的輸出音量輸出幅度波動(dòng)過(guò)大，產(chǎn)生巨大的差別。為避免這些缺陷出現(xiàn)，項(xiàng)目提出了一種全向人聲自動(dòng)增益控制擴(kuò)音系統(tǒng)，利用人聲辨識(shí)算法來(lái)收音，運(yùn)用自適應(yīng)濾波技術(shù)進(jìn)行人聲分離并通過(guò)自動(dòng)增益控制電路AGC實(shí)現(xiàn)恒定功率輸出，確保音響系統(tǒng)的音量輸出幅度恒定，不受話筒距離遠(yuǎn)近、人聲音大小和環(huán)境噪音等因素的影響。

2系統(tǒng)總體架構(gòu)

系統(tǒng)總體架構(gòu)如圖1所示，擴(kuò)音系統(tǒng)由全向麥克風(fēng)陣列作為輸入設(shè)備，對(duì)周圍聲音進(jìn)行采集，并通過(guò)前級(jí)模擬濾波進(jìn)行初步降噪。其次利用多波束定位原理定位主聲源的方向，并對(duì)主聲源信號(hào)進(jìn)行增強(qiáng)處理。隨后將音頻信號(hào)送入經(jīng)過(guò)訓(xùn)練的人聲辨識(shí)系統(tǒng)辨別錄入的聲音中是否含有人聲，若含有人聲信號(hào)，則使用相應(yīng)的自適應(yīng)濾波算法過(guò)濾非人聲部分，并提取較為純凈的人聲信號(hào)。最終人聲信號(hào)通過(guò)自動(dòng)增益控制系統(tǒng)保持?jǐn)U音設(shè)備的恒定功率輸出，以達(dá)到在規(guī)定功率范圍內(nèi)播放音頻的目的。若主聲源信號(hào)中不含有人聲，則直接關(guān)閉自動(dòng)增益控制的輸出。

3系統(tǒng)主要模塊的實(shí)現(xiàn)

3.1聲音信號(hào)的采集

系統(tǒng)的主要為場(chǎng)景為室內(nèi)外的擴(kuò)音應(yīng)，因此需要對(duì)環(huán)境噪音進(jìn)行降噪。如圖2所示，聲音信號(hào)采集主要使用話筒對(duì)音頻信號(hào)進(jìn)行收集，并將收集到的音頻信號(hào)通過(guò)模擬濾波的前級(jí)處理實(shí)現(xiàn)初步的降噪。為了進(jìn)一步消除環(huán)境噪音，實(shí)現(xiàn)空間降噪，系統(tǒng)選用了全向麥克風(fēng)陣列[1]，全向麥克風(fēng)陣列的優(yōu)勢(shì)在于考慮了聲源的位置信息，可以實(shí)現(xiàn)空間濾波，對(duì)具有方向性的噪聲具有較好的抑制效果。對(duì)于全向麥克風(fēng)陣列每一個(gè)駐體咪頭，由于距離音源位置的不同，接收到音源信號(hào)的強(qiáng)度也有所不同，為了處理掉環(huán)境噪聲所帶來(lái)的影響，將陣列接收到的音源信號(hào)進(jìn)行了加權(quán)運(yùn)算，這樣做的目的是為了使得聲源定位更精確。

3.2人聲辨識(shí)的實(shí)現(xiàn)

為辨識(shí)主聲源信號(hào)中是否含有人聲，運(yùn)用基于Ten-sorFlow框架搭建的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行人聲辨識(shí)[2]功能的實(shí)現(xiàn)。人聲識(shí)別分為訓(xùn)練和辨識(shí)兩個(gè)部分，訓(xùn)練指的是數(shù)據(jù)集通過(guò)神經(jīng)網(wǎng)絡(luò)訓(xùn)練生成辨識(shí)模型，辨識(shí)規(guī)則是利用模型產(chǎn)生識(shí)別結(jié)果。辨識(shí)模型的生成是人聲辨識(shí)的關(guān)鍵，模型的生成如圖3所示。

3.3 人聲信號(hào)的分離

人聲信號(hào)的分離是通過(guò)自適應(yīng)濾波[3]來(lái)完成的，即利用前一時(shí)刻獲取的濾波器參數(shù)自動(dòng)的調(diào)節(jié)現(xiàn)時(shí)刻的濾波器參數(shù)，以適應(yīng)信號(hào)和噪聲未知、隨時(shí)間變化的統(tǒng)計(jì)特性，從而實(shí)現(xiàn)最最佳濾波效果。在實(shí)際應(yīng)用場(chǎng)景中由于擴(kuò)音系統(tǒng)常常無(wú)法獲取信號(hào)和噪聲的先驗(yàn)知識(shí)，需要一種不需要先驗(yàn)知識(shí)的數(shù)字濾波器進(jìn)行人聲分離。由于自適應(yīng)濾波器不需要輸入音頻信號(hào)的先驗(yàn)知識(shí)且計(jì)算量小、實(shí)時(shí)性好，因此利用自適應(yīng)濾波技術(shù)可以獲得極佳的濾波性能從而達(dá)到分離出純凈人聲的目的。其中最小均方誤差（LMS）準(zhǔn)則是目前最為流行的自適應(yīng)算法準(zhǔn)則。系統(tǒng)采用LMS算法實(shí)現(xiàn)人聲分離，其步驟如圖4所示。

3.4 自動(dòng)增益控制

自動(dòng)增益控制是利用AGC電路來(lái)實(shí)現(xiàn)的如圖5所示，也就是利用主講人的聲音強(qiáng)弱變化的來(lái)控制放大器的增益，即無(wú)論輸入人聲信號(hào)大小如何變化，輸出端以恒定功率范圍輸出，確保音箱輸出聲音大小保持不變。AGC電路由壓控放大電路和控制電壓形成電路兩部分組成，壓控放大電路其增益隨控制電壓而改變，控制電壓形成電路的由輸出反饋電路組成。

4結(jié)語(yǔ)

全向人聲自動(dòng)增益控制擴(kuò)音系統(tǒng)，可以廣泛應(yīng)用在課室教學(xué)環(huán)境中，這樣老師在講課的過(guò)程中不會(huì)受有線話筒的距離限制、無(wú)限話筒的續(xù)航等問(wèn)題影響老師的講課氛圍。該系統(tǒng)應(yīng)用戶外演唱會(huì)等擴(kuò)音系統(tǒng)，可以極大消除環(huán)境噪音的影響。因此，全向人聲自動(dòng)增益控制擴(kuò)音系統(tǒng)具有較強(qiáng)的推廣應(yīng)用價(jià)值。

參考文獻(xiàn)

[1] Mr_Researcher.麥克風(fēng)陣列語(yǔ)音增強(qiáng)[E].CSDN，2018.

[2] 張莉.基于深度學(xué)習(xí)的聲紋識(shí)別技術(shù)研究[D].杭州：杭州電子科技大學(xué)，2020.

[3] Paulo S.R.Diniz.自適應(yīng)濾波算法與實(shí)現(xiàn)[M].北京：電子工業(yè)出版社，2014.